電動(dòng)汽車(chē)運(yùn)行狀態(tài)識(shí)別及HEV控制策略研究.pdf

1、隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展,能源消耗與環(huán)境污染問(wèn)題變得日益嚴(yán)重?；旌蟿?dòng)力電動(dòng)汽車(chē)(HEV)在節(jié)能和減排方面具有很大潛力,因而得到了快速發(fā)展。由于HEV控制策略是與汽車(chē)運(yùn)行狀態(tài)緊密相連的,因此研究汽車(chē)運(yùn)行狀態(tài)識(shí)別技術(shù)以及基于運(yùn)行狀態(tài)識(shí)別的控制策略具有十分重要的意義。
　　 本文提出了一種混合搜索算法,該算法將自適應(yīng)遺傳算法和浮動(dòng)搜索相結(jié)合,通過(guò)自適應(yīng)遺傳算法對(duì)汽車(chē)運(yùn)行狀態(tài)特征參數(shù)之間的邊界進(jìn)行搜索,依據(jù)獲得的邊界得出汽車(chē)運(yùn)行狀態(tài)特征參

2、數(shù)全集特征；在此基礎(chǔ)上,以浮動(dòng)搜索算法對(duì)全集進(jìn)行回溯性搜索,進(jìn)而選擇出汽車(chē)運(yùn)行狀態(tài)特征參數(shù)最優(yōu)子集。同時(shí),在混合搜索算法中,浮動(dòng)搜索的起始點(diǎn)采用個(gè)體間遺傳的方式,使其始終保持最優(yōu),最大程度的避免無(wú)效搜索,減少搜索時(shí)間。
　　 本文建立了一個(gè)汽車(chē)運(yùn)行狀態(tài)的識(shí)別模型,該模型采用模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別,其輸入選用汽車(chē)運(yùn)行狀態(tài)特征參數(shù)最優(yōu)子集:平均車(chē)速(v)、車(chē)速標(biāo)準(zhǔn)差σv、加速度標(biāo)準(zhǔn)差σα、平均減速度(r)、每100s內(nèi)的加減速變化大于

3、2km/h平均次數(shù)N100s、每100s內(nèi)的加減速變化大于10km/h平均次數(shù)LN100s、減速度小于-0.60m/s2大于-0.96 m/s2的時(shí)間占減速時(shí)間的百分比ηr1-r2和加速度大于1.03 m/s2的時(shí)間占加速時(shí)間的百分比ηα2,并采用滾動(dòng)時(shí)間窗的方式輸入車(chē)速。開(kāi)發(fā)了汽車(chē)運(yùn)行狀態(tài)識(shí)別器,該識(shí)別器具有多種輸入輸出接口,能夠在12-24V電源下工作,適用于大多數(shù)類(lèi)型車(chē)輛。另外,開(kāi)發(fā)了模塊化結(jié)構(gòu)的控制軟件,從而使得該軟件系統(tǒng)結(jié)構(gòu)清

4、晰、易于維護(hù)和進(jìn)行二次開(kāi)發(fā),并在硬件和軟件中進(jìn)行了抗干擾設(shè)計(jì)。
　　 本文建立了一個(gè)基本的模糊控制策略。該控制策略選用兩個(gè)雙輸入單輸出的模糊控制器:其中一個(gè)模糊控制器輸入為電池SOC和電機(jī)轉(zhuǎn)速,輸出為發(fā)動(dòng)機(jī)給電池充電工作時(shí)的輸出扭矩系數(shù)；另一個(gè)模糊控制器輸入為電池SOC和整車(chē)的需求扭矩,輸出為發(fā)動(dòng)機(jī)在電機(jī)助力時(shí)的輸出扭矩系數(shù)。采用兩個(gè)雙輸入單輸出的模糊控制器替代一個(gè)三輸入雙輸出的模糊控制器有利于簡(jiǎn)化電池SOC的隸屬度函數(shù),并且有

5、利于HEV的整車(chē)控制器中程序的開(kāi)發(fā)和維護(hù)。
　　 在此基礎(chǔ)上,本文還建立了一種基于運(yùn)行狀態(tài)識(shí)別的HEV控制策略,該控制策略中含有一個(gè)模糊控制策略庫(kù)。通過(guò)采用自適應(yīng)遺傳算法,以燃油經(jīng)濟(jì)性和排放性為目標(biāo),基于運(yùn)行狀態(tài)模型中主干道和快速路運(yùn)行工況,對(duì)模糊控制策略中參數(shù)進(jìn)行優(yōu)化,得到兩種分別適用于我國(guó)主干道和快速路的模糊控制策略,并組成了模糊控制策略庫(kù)。HEV在行駛過(guò)程中,會(huì)根據(jù)汽車(chē)運(yùn)行狀態(tài)識(shí)別模型的計(jì)算結(jié)果,在控制策略庫(kù)中選擇相應(yīng)的模